首先你需要有Python，以及它配套的代码编辑器哈。从零开始开始学习一个编程语言，我们肯定是首先得安装好它，比如前面我们讲解了Python的安装，它多个版本的差异以及管理，详见：Python初体验之弄清楚版本差异和如何安装管理，然后给出来了两个Python编辑器，就是PyCharm或者JupyterLab，任选其一都可以打开你的Python从零开始之旅。如果你确实是从零开始，建议参考我们的推荐的学习资料哈：Python从零开始的配套b站视频和书籍 。

scanpy 是用于单细胞数据分析的 Python 库，需要有Python基础，才有可能跟下面的教程进行scanpy的单细胞数据分析流程哦！

读前热身准备：

在Python编程体系读取单细胞文件数据会用到scanpy这个库，所以需要安装scanpy这个库：

pip install scanpy -i https://pypi.tuna.tsinghua.edu.cn/simple

安装好之后，就可以使用了。首先理解一下单细胞表达量矩阵的多种文件格式，主要包括以下几种：

图片

使用scanpy读取如上图所示的h5文件，我们可以用read_10x_h5()这个函数进行h5文件读取，下面是简单的示范；

read_10x_h5(filename）

参数：

filename：文件名，填写你要读取的h5文件，比如:"/home/my/data/GSE10086_filtered_bc.h5"这样的文件路径。

更多详情见：https://scanpy.readthedocs.io/en/latest/generated/scanpy.read_10x_h5.html

实战：

上图中这个文件的下载地址：https://ftp.ncbi.nlm.nih.gov/geo/samples/GSM5344nnn/GSM5344024/suppl/GSM5344024_B1.KO_normal.adjacent.lung_filtered_feature_bc_matrix.h5

我已经把这个文件下载好了并放在C:/Users/my/Desktop/data目录下，现在开始读取h5文件吧！

代码如下：

#导入scanpy库import scanpy as sc#读取h5文件data=sc.read_10x_h5('C:/Users/my/Desktop/data/GSM5344024_B1.KO_normal.adjacent.lung_filtered_feature_bc_matrix.h5')#查看数据print(data)

结果如下：

AnnData object with n_obs × n_vars = 13113 × 31053    var: 'gene_ids', 'feature_types', 'genome'

可以看出读取文件之后的data变量是一个AnnData数据对象，包含13113个细胞和31053个基因。

txt就是普普通通的文本文件而已，所以很容易读取：

图片

使用scanpy读取如上图所示的txt文件，我们可以用**read_text()**这个函数进行txt文件读取，下面是简单的示范；

read_text(filename)

参数：

filename：文件名，填写你要读取的txt文件，比如:"/home/my/data/GSE10086_filtered_bc.txt.gz"这样的文件路径。

更多详情见:https://scanpy.readthedocs.io/en/latest/generated/scanpy.read_text.html#scanpy.read_text

实战：

上图中这个文件的下载地址：https://ftp.ncbi.nlm.nih.gov/geo/samples/GSM5101nnn/GSM5101014/suppl/GSM5101014_Pt1_Superficial_CountMatrix.txt.gz

我已经把这个文件下载好了并放在C:/Users/my/Desktop/data目录下，现在开始读取txt文件吧！

代码如下：

#导入scanpy库import scanpy as sc#读取txt文件data=sc.read_text('C:/Users/my/Desktop/data/GSM5101014_Pt1_Superficial_CountMatrix.txt.gz')#查看数据print(data)

结果如下：

AnnData object with n_obs × n_vars = 32738 × 2315

可以看出读取文件之后的data变量是一个AnnData数据对象，包含32738个细胞和2315个基因。

它本质上也是txt文本文件，无论是csv格式和tsv格式，都是一样的。

图片

使用scanpy读取如上图所示的tab文件，我们可以用read_text()这个函数进行tab文件读取，下面是简单的示范；

read_text(filename)

参数：

filename：文件名，填写你要读取的tab文件，比如:"/home/my/data/GSE10086_filtered_bc.tab.gz"这样的文件路径。

更多详情见https://scanpy.readthedocs.io/en/latest/generated/scanpy.read_text.html#scanpy.read_text

实战：

上图中这个文件的下载地址：https://ftp.ncbi.nlm.nih.gov/geo/series/GSE131nnn/GSE131935/suppl/GSE131935_SS2_15_0160_rpkms.tab.gz

我已经把这个文件下载好了并放在C:/Users/my/Desktop/data目录下，现在开始读取tab文件吧！

代码如下：

#导入scanpy库import scanpy as sc#读取tab文件data=sc.read_text('C:/Users/my/Desktop/data/GSE131935_SS2_15_0160_rpkms.tab.gz')#查看数据print(data)

结果如下：

AnnData object with n_obs × n_vars = 24490 × 384

可以看出读取文件之后的data变量是一个AnnData数据对象，包含24490个细胞和384个基因。

图片

使用scanpy读取如上图所示的10X格式文件，我们可以用**read_10x_mtx()**这个函数进行3个文件读取，下面是简单的示范；

read_10x_mtx(path)

参数：

path：上图中的3个文件所在的文件目录，比如:"/home/my/data/GSE10086_RAW"这样的文件路径。

更多详情见：https://scanpy.readthedocs.io/en/latest/generated/scanpy.read_10x_mtx.html

实战：

上图中这3个文件的下载地址：

https://ftp.ncbi.nlm.nih.gov/geo/samples/GSM6567nnn/GSM6567952/suppl/GSM6567952_Control-features.tsv.gz

https://ftp.ncbi.nlm.nih.gov/geo/samples/GSM6567nnn/GSM6567952/suppl/GSM6567952_Control-barcodes.tsv.gz

https://ftp.ncbi.nlm.nih.gov/geo/samples/GSM6567nnn/GSM6567952/suppl/GSM6567952_Control-matrix.mtx.gz

我已经把这3个文件下载好了并放在C:/Users/my/Desktop/data/GSM6567952目录下，并把这三个文件重命名如下：

features.tsv.gzbarcodes.tsv.gzmatrix.mtx.gz

如果不重命名的话，scanpy就会识别不了这三个文件而导致不能读取文件，现在开始读取10X文件吧！

代码如下：

#导入scanpy库import scanpy as sc#读取tab文件data=sc.read_10x_mtx('C:/Users/my/Desktop/data/GSM6567952')#查看数据print(data)

结果如下：

AnnData object with n_obs × n_vars = 6794880 × 27998    var: 'gene_ids', 'feature_types'

可以看出读取文件之后的data变量是一个AnnData数据对象，包含6794880个细胞和27998个基因。

h5ad文件本来就是Python编程语言体系的单细胞存储格式的文件，所以是最方便的，但是它对r语言用户来说就不友好了哦。

图片

使用scanpy读取如上图所示的h5ad文件，我们可以用read_h5ad()这个函数进行h5ad文件读取，下面是简单的示范；

read_h5ad(filename)

参数：

filename：文件名，填写你要读取的tab文件，比如:"/home/my/data/GSE10086_filtered_bc.h5ad.gz"这样的文件路径。

更多详情见：https://scanpy.readthedocs.io/en/latest/generated/scanpy.read_h5ad.html

实战：

上图中这个文件的下载地址：https://ftp.ncbi.nlm.nih.gov/geo/samples/GSM4648nnn/GSM4648564/suppl/GSM4648564_adipose_raw_counts.h5ad.gz

我已经把这个文件下载好并解压好后，放在C:/Users/my/Desktop/data目录下。

注意：这个文件要进行解压后，scanpy才能读取文件：

#导入scanpy库import scanpy as sc#读取h5ad文件data=sc.read_h5ad('C:/Users/my/Desktop/data/GSM4648564_adipose_raw_counts.h5ad')#查看数据print(data)

结果如下：

AnnData object with n_obs × n_vars = 33694 × 11167

可以看出读取文件之后的data变量是一个AnnData数据对象，包含33694个细胞和11167个基因。

常见的单细胞数数据文件差不多就这些了，不同文件使用scanpy的不同读取函数进行读取就行了。

如果是遇到了比较冷门的单细胞矩阵文件，也欢迎留言交流哈。基本上就遇河架桥，碰到问题解决问题即可。

目前scanpy是Python编程体系最流行的单细胞数据处理库了，所以它肯定是不仅仅是读取单细胞转录组表达量矩阵那么简单，它包罗万象，可以出几十个甚至上百个笔记慢慢带领大家理解它哈。它提供了许多用于处理和分析单细胞RNA测序数据的功能，以下是 scanpy 常见的功能：